SpringBoot LangChain4j 集成deepseek大模型
一、LangChain4j介绍
LangChain4j 是一个给大语言模型（LLMs）用的 Java 开发框架。
它诞生在 2023 年初 ChatGPT 掀起的大模型热潮里。那时候，Python 和 JavaScript 的生态系统中已经有好多特别棒的 LLM 库和框架了，可 Java 这边在这方面却有点跟不上。
为了补上这个空缺，LangChain4j 就出现了。它的目的是把 Java 应用程序和 LLMs 的集成过程变得简单些，让 Java 开发者能更轻松地用上大语言模型的强大能力，做出各种各样的智能应用。
二、核心特点
统一的 API 接口：提供标准化 API，方便接入 15 多个主流 LLM 提供商（如 OpenAI、Google、阿里、智谱等）和 15 多个向量嵌入存储（如 Qdrant、Pinecone、Milvus 等）。开发者无需了解每个 API 细节，可轻松切换不同模型和存储，无需重写代码。
综合工具箱：包含多种工具，从低级的提示模板、聊天记忆管理到高级模式（如 AI 服务和检索增强生成 RAG）。能帮助开发者构建从聊天机器人到完整的数据检索管道等多种应用。
多模态支持：支持文本和图像作为输入，可处理更复杂的应用场景。
模块化设计：采用模块化结构，不同功能可独立使用，便于扩展和维护。
高层次抽象：框架在两个抽象层次上运行，开发者可根据需要选择低级或高级 API 进行开发，提高了灵活性和可用性。
集成支持：与 Quarkus 和 Spring Boot 等流行框架集成，让在现有 Java 项目中引入 LLM 变得更加简单。
支持流式响应：支持从 LLMs 流式获取响应，允许实时获取模型的输出。
丰富示例：提供大量使用示例，帮助开发者快速上手和构建各种 LLM 驱动的应用。
三、Spring Boot 项目集成
1.环境准备
版本SpringBoot 版本3.4.2 + JDK 17 + LangChain4j 1.0.0
2.依赖引入
不在springboot项目中使用，直接使用java引入以下依赖
dev.langchain4j langchain4j-open-ai 1.0.0-beta2
在springboot项目中使用，引入以下依赖
dev.langchain4j langchain4j-open-ai-spring-boot-starter 1.0.0-beta2
3.配置application.properties
1.deepseek配置
申请key
地址：https://platform.deepseek.com/api_keys
添加配置
langchain4j.open-ai.chat-model.api-key=sk-9dxxxxxx(替换成自己的apikey) langchain4j.open-ai.chat-model.model-name=deepseek-chat langchain4j.open-ai.chat-model.base-url=https://api.deepseek.com/v1 langchain4j.open-ai.chat-model.max-tokens=4096
2.硅基流动配置
申请key
地址：https://cloud.siliconflow.cn/i/PVVMFCle
添加配置
langchain4j.open-ai.chat-model.api-key=sk-9dxxxxxx(替换成自己的apikey) langchain4j.open-ai.chat-model.model-name=Qwen/QwQ-32B langchain4j.open-ai.chat-model.base-url=https://api.siliconflow.cn/v1 langchain4j.open-ai.chat-model.max-tokens=4096
4.调用deepseek大模型api
①.同步调用
@Autowiredprivate ChatLanguageModel chatLanguageModel;
@GetMapping("/model")public String model(@RequestParam(value = "message", defaultValue = "Hello") String message) {
return chatLanguageModel.chat(message);
}
不在springboot项目中，使用java直接调用
OpenAiChatModel deepseekmodel = OpenAiChatModel.builder()
.apiKey("sk-9d5xxxxx")
.modelName("deepseek-chat")
.baseUrl("https://api.deepseek.com/v1")
.maxTokens(4096)
.build();
String chatResult = deepseekmodel.chat("介绍一下南京");
System.out.println(chatResult);
②.给模型设置角色
@GetMapping("/model1")
public String model1(@RequestParam(value = "message", defaultValue = "Hello") String message) {
List messages = new ArrayList();
ChatMessage systemMessage = new SystemMessage("你现在是一个小学老师，当我跟你说早上好的时候，你要说同学们早上好");
ChatMessage userMessage = new UserMessage(message);
messages.add(userMessage);
messages.add(systemMessage);
ChatResponse chat = chatLanguageModel.chat(messages);
return chat.aiMessage().text();
}
结果：
同学们早上好！今天又是一个充满希望和机会的新一天。希望大家都能以积极的态度迎接今天的每一节课，保持好奇心，勇敢提问，互相帮助。记得，无论遇到什么困难，老师都会在这里支持你们。让我们一起努力，让今天成为美好的一天吧！
③.流式调用
@GetMapping(value = "/model3", produces = MediaType.TEXT_EVENT_STREAM_VALUE)
public Flux model3(@RequestParam(value = "message", defaultValue = "Hello") String message, HttpServletResponse response) {
response.setCharacterEncoding("UTF-8");
return Flux.create(stringFluxSink -> {openAiStreamingChatModel.chat(message, new StreamingChatResponseHandler() {
@Override
public void onPartialResponse(String s) {
stringFluxSink.next(s);
}
@Override
public void onCompleteResponse(ChatResponse chatResponse) {
stringFluxSink.complete();
}
@Override
public void onError(Throwable throwable) {
stringFluxSink.error(throwable);
}
});
});
}
通过本文的介绍，我们深入了解了 LangChain4j 在 Spring Boot 项目中的集成与应用。LangChain4j 凭借其统一的 API、全面的工具箱以及强大的集成能力，为 Spring Boot 开发者提供了便捷高效的大语言模型集成方案 。
当然了LangChain4j，还有非常多的功能，比如多模型，让模型记住上下文设置等，大家不妨尝试将 LangChain4j 引入到你的项目中，探索一下其他方法。
